09/08/2014

Identificacin de Patrones de Comportamiento Aleatorio

Una caracterstica fundamental de la mayor parte de los sistemas discretos, que
interesa estudiar por simulacin, es la presencia de la aleatoriedad como atributo
intrnseco de algunas o todas sus componentes. Todos los sistemas reales suelen
contener al menos una, pero en general ms de una, fuente de aleatoriedad.
Segn la metodologa de estudios de simulacin que se han propuesto, como
primera etapa: la de conocimiento; ges en la que se recoge informacin sobre el
sistema para formular las hiptesis de modelizacin que permitirn construir el
modelo.
Como un breve ejemplo de lo anterior podemos consideras, los casos de los
sistemas de manufactura: podemos identificas adems fuentes adicionales de
aleatoriedad en la primera etapa de conocimiento, como por ejemplo: las averas
de las maquinas, cuando se producen, y la duracin de las mismas el tiempo que
estn fuera de servicio por avera mientras son reparadas, o el tiempo que la
mquina esta operativa, o sea, el tiempo entre averas, etc.
Los anteriores ejemplos citados pertenecen al dominio de las distribuciones
continuas de probabilidad; es decir: las observaciones que se pueden recoger
sobre las variables aleatorias relevantes para el estudio de simulacin pueden
utilizarse de diferentes maneras a la hora de especificar la distribucin de
probabilidad correspondiente. De tal manera determinar el tipo de distribucin de
probabilidad que mejor explica tal comportamiento, y decidir si se utiliza en el
estudio de simulacin un modelo terico de tal distribucin, o se trabaja con una
distribucin emprica.

Distribucin de Poisson

Distribucin exponencial

09/08/2014

Modelos de Identificacin
Para identificar el comportamiento aleatorio en la simulacin se puede utilizar
distintas modalidades como por ejemplo, la simulacin dirigida por traza El
inconveniente principal de este planteamiento es que la simulacin nicamente
puede reproducir lo que ha ocurrido histricamente, sin capacidad de proyeccin
futura. Esta alternativa es recomendable frente a otras nicamente el caso de la
validacin de los modelos donde interesa comprobar la salida proporcionada por el
modelo del sistema con la salida proporcionada por el propio sistema.
Otra posibilidad es la de utilizar estos datos para definir una funcin de distribucin
emprica, de la cual se extraen muestras a medida que se necesitan los valores.
Es un planteamiento preferible al anterior, que en el caso de los datos continuos
permite generar cualquier valor entre el mximo y el mnimo de los observados,
cada vez que se necesita uno de ellos, por ejemplo un tiempo de servicio.
Finalmente se pueden utilizar las tcnicas de la inferencia estadstica para
ajustar- los datos a la forma de una distribucin terica, y realizar pruebas de
hiptesis para determinar la bondad del ajuste. Si una distribucin terica
particular, para ciertos valores de sus parmetros, es un buen modelo de los datos
observados se puede muestrear desde tal distribucin cada vez que se necesita
uno de los datos. En el caso de que se pueda encontrar una distribucin terica
que ajuste razonablemente bien los datos observados, esta alternativa es
preferible a cualquiera de las dos anteriores.
Ahora bien, si la afirmacin de que en toda simulacin se debe incorporar la
aleatoriedad como la hay en el mundo real, entonces:
Cmo se decide de la naturaleza de la aleatoriedad presentada en la simulacin?
Cmo especificar las distribuciones de las variables aleatorias?, segn en su
texto Bratley, Fox y Schrage, podemos identificar lo siguiente:
1) Siempre que sea posible hay que recoger observaciones de las variables
aleatorias de entrada.
2) Las decisiones y especificaciones a que nos estamos refiriendo han de
hacerse a partir de los datos disponibles, y podemos encontrarnos con una
gran variedad de situaciones.
3) En unos casos tendremos un exceso de datos, mientras que en otros
dispondremos de muy pocos, y en ambos casos la procedencia de los
datos puede ser o bien directamente la distribucin de inters o
indirectamente una distribucin relacionada

09/08/2014

A esto ltimo se le debe agregar que, tener pocos datos significa que nos
encontramos en una de las situaciones siguientes, o en alguna combinacin de las
mismas: la muestra de que disponemos es pequea, o solo tenemos un resumen
estadstico, por ejemplo, media, variancia, valores mnimo y mximo, mediana,
moda, etc., o la informacin disponible es de tipo cualitativo, consistente, por
ejemplo, en entrevistas con personas informadas o con experiencia sobre
situaciones relacionadas.
En las aplicaciones de la simulacin en el mundo de la manufactura es frecuente
la recogida de datos que representados en forma de histograma adoptan formas
que sugieren fuertemente distribuciones como la exponencial, cuando un anlisis
ms detallado permite comprobar que esta es una distribucin inadecuada en este
caso.
Anlisis de Sensibilidad
El objetivo de un anlisis de sensibilidad es comprobar que el resultado de un
estudio de simulacin solo depende dbilmente de que distribucin se utiliza de
entre un conjunto de distribuciones plausibles. Con frecuencia los estudios de
sensibilidad se limitan a modificar las medias y las variancias de las distribuciones
de los datos de entrada para la simulacin.
Las distribuciones tericas dependen en general de uno o dos parmetros que
pueden variar de manera continua, esto facilita el anlisis de sensibilidad,
suponiendo que solo se toman en cuenta la formas limitadas que pueden tomar
las distribuciones tericas.
Diferencia entre distribucin emprica y terica en el proceso de simulacin
Las dificultades para generar datos fuera del intervalo de valores observados
puede ser una limitacin importante a la hora de utilizar una distribucin emprica
si tenemos en cuenta que muchas de las medidas del rendimiento de los sistemas
que se simulan dependen fuertemente de la probabilidad de que ocurran sucesos
extremos. Mientras que una distribucin terica permite generar datos fuera del
intervalo observado. Sin embargo hay situaciones en las que deberemos recurrir a
las distribuciones empricas por no poder ajustar ninguna distribucin terica con
el grado de bondad exigible.
Es recomendable proceder a una investigacin sobre la robustez para verificar la
sensibilidad de la medida del rendimiento del sistema que se simula con respecto
a la forma (por ejemplo la asimetra) de las distribuciones de entrada.

09/08/2014

Identificacin de Patrones de Comportamiento Aleatorio

Expositor: 2690-12-8668

1. Qu representa la aleatoriedad en el proceso de simulacin?

2. Es de utilidad realizar ajustes en la obtencin de datos?

3. La diferencia entre distribucin emprica y distribucin terica como

tcnicas de aplicacin durante el proceso de simulacin?

4. Qu tcnica de inferencia estadstica para manejar los datos puede

representar mayor utilidad en el proceso de simulacin?

5. Cules son las claves para la identificacin de los patrones de

comportamiento aleatorio en el proceso de simulacin?

09/08/2014
SIMULACION Y MODELACIN
Evaluacin sobre el tema: Identificacin de patrones de comportamiento aleatorio
Expositor: Bryan Santiago | 2690-12-8668
Dominio del tema
Proporciono informacin necesaria sobre el tema
Presento coherencia sobre el tema
Proporciono un ejemplo sobre el tema
Proporciono conclusiones y/o sugerencias
Total

/5

SIMULACION Y MODELACIN
Evaluacin sobre el tema: Identificacin de patrones de comportamiento aleatorio
Expositor: Bryan Santiago | 2690-12-8668
Dominio del tema
Proporciono informacin necesaria sobre el tema
Presento coherencia sobre el tema
Proporciono un ejemplo sobre el tema
Proporciono conclusiones y/o sugerencias
Total

/5

SIMULACION Y MODELACIN
Evaluacin sobre el tema: Identificacin de patrones de comportamiento aleatorio
Expositor: Bryan Santiago | 2690-12-8668
Dominio del tema
Proporciono informacin necesaria sobre el tema
Presento coherencia sobre el tema
Proporciono un ejemplo sobre el tema
Proporciono conclusiones y/o sugerencias
Total

/5

SIMULACION Y MODELACIN
Evaluacin sobre el tema: Identificacin de patrones de comportamiento aleatorio
Expositor: Bryan Santiago | 2690-12-8668
Dominio del tema
Proporciono informacin necesaria sobre el tema
Presento coherencia sobre el tema
Proporciono un ejemplo sobre el tema
Proporciono conclusiones y/o sugerencias
Total

/5

09/08/2014